Klasifikasi Jenis Usaha Mikro, Kecil, Dan Menengah (UMKM) Berdasarkan Skala Usaha Menggunakan Algoritma c4.5

Authors

  • Muhammad Fadillah Universitas Potensi Utama
  • Lili Tanti Universitas Potensi Utama

Keywords:

Sistem Informasi, UMKM

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam mendukung pertumbuhan ekonomi baik di tingkat lokal maupun nasional. Namun, di Desa Sambirejo Timur, Kecamatan Percut Sei Tuan, proses klasifikasi UMKM berdasarkan skala usaha masih dilakukan secara manual tanpa sistem yang terstruktur, sehingga menyulitkan pengambilan keputusan dan pemberian bantuan secara tepat. Penelitian ini bertujuan untuk membangun model klasifikasi skala usaha UMKM menggunakan algoritma decision tree C4.5. Data yang digunakan sebanyak 1.000 data UMKM dengan atribut utama berupa omzet tahunan, jumlah karyawan, jenis usaha, dan modal awal. Data tersebut melalui tahapan pre-processing seperti penanganan missing value, outlier, normalisasi, transformasi data, serta seleksi fitur menggunakan PCA. Dataset kemudian dibagi dengan rasio 80:20 untuk data latih dan data uji. Model dibangun menggunakan algoritma C4.5 dan diimplementasikan menggunakan Python. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan jenis UMKM dengan akurasi tinggi sebesar 99,50%. Meskipun demikian, ketidakseimbangan jumlah data antar kelas menyebabkan penurunan performa pada kelas minoritas. Sistem yang dihasilkan dapat membantu pemerintah desa dalam pengelolaan data UMKM secara lebih efektif dan akurat. Penelitian ini memberikan kontribusi terhadap digitalisasi pengelolaan UMKM dan mendorong pengambilan keputusan berbasis data.

Downloads

Published

2025-12-01

How to Cite

Klasifikasi Jenis Usaha Mikro, Kecil, Dan Menengah (UMKM) Berdasarkan Skala Usaha Menggunakan Algoritma c4.5. (2025). SEMINAR NASIONAL MULTI DISIPLIN ILMU (SENADIMU), 2(1), 814-827. https://senadimu.potensi-utama.org/index.php/home/article/view/641

Most read articles by the same author(s)